當(dāng)谷歌在Pixel 10上演示“實(shí)時(shí)AI摳圖”功能，以及蘋果預(yù)告將在2025秋季發(fā)布會(huì)推出“重新定義的AI手機(jī)”時(shí)，從供應(yīng)鏈傳出的每一個(gè)風(fēng)聲，到華爾街連夜上調(diào)的出貨量預(yù)測，一個(gè)近乎完美的劇本已經(jīng)寫好：

一個(gè)由端側(cè)AI驅(qū)動(dòng)的、史詩級的消費(fèi)電子“超級升級周期”，即將到來。

但當(dāng)市場的喧囂散去，一個(gè)更冷靜、也更致命的問題浮現(xiàn)出來：

當(dāng)一個(gè)機(jī)會(huì)變得如此確定無疑，如果所有人都在談?wù)摱藗?cè)AI、所有芯片財(cái)報(bào)都在重復(fù)“On-Device AI”、所有品牌都在預(yù)告“革命性體驗(yàn)”，它會(huì)不會(huì)已經(jīng)變成了一個(gè)“共識陷阱”？

今天，硅兔君結(jié)合近期與其專家團(tuán)隊(duì)的交流成果就來聊聊共識之外，那三個(gè)決定未來勝負(fù)的“非共識”。

共識告訴你： 硬件環(huán)節(jié)確定性最高，是肉眼可見的紅利。

這個(gè)邏輯非常清晰。高通的驍龍8 Gen 3集成了Hexagon NPU，AI性能提升98%；聯(lián)發(fā)科的天璣9300號稱擁有330億參數(shù)大模型處理能力；蘋果的A17 Pro神經(jīng)引擎速度翻倍。

這場算力軍備競賽，直接體現(xiàn)在了產(chǎn)業(yè)鏈的財(cái)報(bào)上：瑞芯微、恒玄科技等公司的業(yè)績增長曲線，陡峭得讓人心動(dòng)。

這塊蜜糖，真實(shí)而甜美。但這會(huì)是常態(tài)嗎？

你需要追問的第一個(gè)非共識是：這場“算力內(nèi)卷”的盡頭是什么？

我們都經(jīng)歷過PC時(shí)代的CPU主頻大戰(zhàn)，和智能手機(jī)早期的核戰(zhàn)。歷史一再證明，當(dāng)硬件性能超越了主流應(yīng)用的需求，就會(huì)出現(xiàn)“性能過剩”，硬件溢價(jià)隨之消失，行業(yè)進(jìn)入殘酷的存量搏殺。

今天手機(jī)NPU算力從50 TOPS卷到100 TOPS，除了讓AI修圖更快零點(diǎn)幾秒，對絕大多數(shù)用戶的體驗(yàn)改善，是否正在邊際遞減？一旦體驗(yàn)改善的曲線被算力增長的曲線追上，高昂的硬件溢價(jià)還能維持多久？

第二個(gè)更致命的問題是：誰在定義“有效算力”？

讓我們回顧一下NVIDIA是如何封神的。它的護(hù)城河，從來都不是GPU那塊芯片本身，而是CUDA——那個(gè)讓開發(fā)者欲罷不能的軟件開發(fā)生態(tài)。CUDA用十余年的時(shí)間，統(tǒng)一了AI開發(fā)的“語言”，讓數(shù)百萬開發(fā)者為NVIDIA的硬件“鎖定”。

真正的護(hù)城河，不是參數(shù)表上那個(gè)冷冰冰的TOPS數(shù)字，而是能讓開發(fā)者低成本、高性能地將算法跑起來的、充滿活力的軟件生態(tài)。

最后，別忘了手機(jī)之外的廣闊戰(zhàn)場。在智能汽車領(lǐng)域，Ambarella、瑞薩電子這類廠商，正通過高度定制化的AI視覺芯片（ASIC）搶占市場，它們不追求通用算力，而是在特定場景（如ADAS）下把能效比做到極致。這種“專用化”的降維打擊，是否會(huì)對手機(jī)芯片廠商“一芯多用”的平臺(tái)化策略構(gòu)成威脅？

硬件的戰(zhàn)爭，上半場是參數(shù)，下半場是生態(tài)。當(dāng)你還在為那20%的溢價(jià)歡呼時(shí)，真正聰明的錢，已經(jīng)在思考那個(gè)未來的生態(tài)霸主會(huì)是誰。

共識告訴你： 模型輕量化技術(shù)，是讓大模型在終端設(shè)備運(yùn)行的關(guān)鍵。

沒錯(cuò)。通過模型剪枝、量化、知識蒸餾等一系列“手術(shù)”，百億參數(shù)的模型可以被壓縮到原來的十分之一，同時(shí)保持可接受的性能。我們已經(jīng)看到了Google的Gemini Nano被塞進(jìn)Pixel手機(jī)，Meta的Llama 3也推出了適合端側(cè)運(yùn)行的小參數(shù)版本。

但這個(gè)過程，遠(yuǎn)比聽上去要復(fù)雜。

第一個(gè)被忽略的現(xiàn)實(shí)是：目前的模型壓縮，很大程度上還是個(gè)“手工作坊”。

它高度依賴頂尖AI科學(xué)家和工程師的經(jīng)驗(yàn)、直覺和反復(fù)試錯(cuò)，俗稱“煉丹”。這個(gè)過程成本高昂、周期漫長，且結(jié)果難以保證。這極大地限制了端側(cè)AI應(yīng)用的創(chuàng)新速度和普及廣度。

真正的行業(yè)爆發(fā)點(diǎn)，在于“自動(dòng)化模型壓縮”（AutoML for Compression）工具鏈的成熟。

想象一下，開發(fā)者不再需要是算法專家，只需將自己的大模型上傳到一個(gè)平臺(tái)，平臺(tái)就能自動(dòng)嘗試數(shù)千種壓縮方案，并找到那個(gè)在特定硬件上（比如某款手機(jī)芯片）性能和精度的最佳平衡點(diǎn)。這才是“工業(yè)化”的革命。

一些嗅覺敏銳的初創(chuàng)公司，如Deci AI（被英偉達(dá)收購）、Neural Magic（被 RedHat收購），已經(jīng)在嘗試將這個(gè)過程產(chǎn)品化。這才是AI時(shí)代的未來，他們不生產(chǎn)模型，但他們讓所有模型都能更便宜、更高效地運(yùn)行在你的設(shè)備上。

第二個(gè)深水區(qū)，是開源與閉源的路線之爭。以llama.cpp為代表的開源社區(qū)，用驚人的速度，讓各種開源大模型在Mac、PC甚至手機(jī)上跑了起來，極大推動(dòng)了技術(shù)的普及。

但另一邊，蘋果和谷歌則在自己的操作系統(tǒng)里，內(nèi)置了高度優(yōu)化的、不對外的模型和推理引擎。

這像極了移動(dòng)互聯(lián)網(wǎng)的開端。未來，是安卓當(dāng)年對iOS的“開放戰(zhàn)勝封閉”重演，讓百花齊放的開源方案占領(lǐng)市場？還是巨頭憑借軟硬一體的極致體驗(yàn)和隱私保護(hù)，牢牢守住高端生態(tài)位，賺取最高的利潤？這兩種路徑，指向了完全不同的產(chǎn)業(yè)鏈投資機(jī)會(huì)。

最后，是數(shù)據(jù)的“隱形戰(zhàn)爭”。 輕量化后的模型，性能或多或少會(huì)有損失。如何彌補(bǔ)？答案是“端側(cè)微調(diào)”（On-device Fine-tuning）。利用你在設(shè)備上的個(gè)人數(shù)據(jù)，讓模型變得更懂你。

但這又引出了終極難題：如何在利用數(shù)據(jù)的同時(shí)，絕對保護(hù)用戶隱私？聯(lián)邦學(xué)習(xí)（Federated Learning）等技術(shù)雖然被寄予厚望，但成熟度依然面臨挑戰(zhàn)。誰能率先解決“自動(dòng)化工具鏈”、“生態(tài)路線”和“隱私數(shù)據(jù)”這三個(gè)問題，誰就掌握了端側(cè)AI軟件的“命脈”。

共識告訴你： 手機(jī)、汽車、IoT是三大落地場景，前景無限。

這當(dāng)然是對的。但“場景”這個(gè)詞，最容易滋生泡沫。

第一個(gè)需要警惕的陷阱，就是“為了AI而AI”的功能堆砌。

還記得之前的Humane AI Pin和Rabbit R1嗎？它們被譽(yù)為“后智能手機(jī)時(shí)代”的硬件，但上市后的市場反應(yīng)卻相當(dāng)冷淡。

為什么？因?yàn)樗鼈儧]有找到一個(gè)無可替代的“殺手級應(yīng)用”。用戶不會(huì)為炫酷的技術(shù)概念買單，只會(huì)為它實(shí)實(shí)在在解決的問題付費(fèi)。

現(xiàn)在手機(jī)上的AI消除路人、AI生成壁紙，汽車?yán)锏恼Z音助手，是很好，但它們是能讓你下定決心多花2000塊錢的理由嗎？恐怕還不夠。

第二個(gè)需要建立的認(rèn)知框架是：“殺手級應(yīng)用”的三個(gè)演進(jìn)層次。

層次1 - 增強(qiáng)（Co-pilot）： 這是目前的主流。無論是幫你潤色郵件，還是實(shí)時(shí)翻譯，AI的角色是你的“副駕駛”，提升現(xiàn)有任務(wù)的效率。這個(gè)層次的應(yīng)用價(jià)值在于“更好”，而非“從無到有”。

層次2 - 代理（Agent）： 這才是未來的趨勢。當(dāng)你能對手機(jī)說，“幫我訂一張明晚去上海的機(jī)票，找一家徐家匯附近評分4.5以上的酒店，然后把行程發(fā)給我老婆”，而它能自主調(diào)用航旅App、地圖App、微信來完成這一切時(shí)，革命才真正發(fā)生。這是對現(xiàn)有App孤島生態(tài)的徹底顛覆，也是對操作系統(tǒng)入口的終極爭奪。

層次3 - 預(yù)判（Guardian）： 這是AI與個(gè)人數(shù)據(jù)深度結(jié)合的終極形態(tài)。它不再是被動(dòng)響應(yīng)，而是主動(dòng)服務(wù)。比如你的智能手表在你心臟出現(xiàn)異常搏動(dòng)前幾小時(shí)發(fā)出預(yù)警，你的智能家居在你回家前就調(diào)節(jié)到你最舒服的狀態(tài)。這個(gè)層次的應(yīng)用，壁壘最高，用戶粘性也最強(qiáng)。

由此，引出了那個(gè)價(jià)值萬億的終極拷問：價(jià)值最終歸屬于誰？

如果一個(gè)AI Agent幫你完成了所有事，那么，是這個(gè)Agent的開發(fā)者（比如一家新的超級App公司）賺走了大部分利潤？還是提供底層能力和分發(fā)渠道的操作系統(tǒng)（蘋果/谷歌）來“收稅”？那些被它調(diào)用的傳統(tǒng)App，又將淪為“管道”還是能分一杯羹？

這將是科技史上規(guī)�？涨暗囊粓�“價(jià)值重分配”。投資端側(cè)AI，你本質(zhì)上是在對未來的人機(jī)交互形態(tài)，以及這場價(jià)值分配的最終格局下注。

你看，從共識到非共識，我們只多問了三個(gè)問題。

但這三個(gè)問題，恰恰是區(qū)分平庸和卓越的試金石。

       原文標(biāo)題 : 一份端側(cè)AI的內(nèi)部紀(jì)要：投資人應(yīng)真正關(guān)心的3個(gè)被忽略的問題！